本发明涉及人工智能，具体而言，涉及一种基于人工智能的肿瘤影像分析方法及系统。
背景技术：
1、在医学领域，肿瘤影像分析对于疾病的早期发现、诊断和治疗方案的制定至关重要。然而，传统的影像分析方法主要依赖医生的经验和知识，存在主观性和效率问题。近年来，随着人工智能技术的快速发展，基于深度学习的影像分析方法在医学图像分析中展现出巨大的潜力。这些方法能够自动、准确地识别和分类医学图像中的肿瘤，大大提高了诊断的效率和准确性。然而，目前的人工智能肿瘤影像分析方法在处理肿瘤影像时，仍受到影像中各种干扰因素的影响，如噪声、伪影等，这些干扰会降低分析的准确性。
技术实现思路
1、本发明的目的在于提供一种基于人工智能的肿瘤影像分析方法及系统。
2、第一方面，本发明实施例提供一种基于人工智能的肿瘤影像分析方法，包括：
3、获取目标肿瘤影像；
4、调用预先训练的去干扰模型，并将所述目标肿瘤影像输入所述去干扰模型，得到去除干扰后的目标肿瘤影像；
5、根据所述去除干扰后的目标肿瘤影像，确定出所述目标肿瘤影像对应的目标肿瘤类型；
6、响应于药物匹配指示，获取对应的目标肿瘤类型及待定干预药物组，将所述目标肿瘤类型及获取的待定干预药物输入至预先训练的目标药物匹配模型中；
7、根据所述目标药物匹配模型，确定所述目标肿瘤类型匹配所述获取的待定干预药物的预测置信度；
8、根据所述预测置信度，从所述待定干预药物组中，选取所述目标肿瘤类型匹配的目标干预药物。
9、第二方面，本发明实施例提供一种服务器系统，包括服务器，所述服务器用于执行第一方面所述的方法。
10、相比现有技术，本发明提供的有益效果包括：采用本发明公开的一种基于人工智能的肿瘤影像分析方法及系统，包括：首先获取目标肿瘤影像，通过预先训练的去干扰模型去除影像中的干扰因素。随后，根据处理后的清晰影像确定肿瘤类型。在接收到药物匹配指示后，该方法会结合目标肿瘤类型和待定干预药物组，通过预先训练的目标药物匹配模型，预测各种药物与肿瘤的匹配置信度。最终，根据置信度从待定药物中选取最适合的目标干预药物。如此设计，通过人工智能技术提升了肿瘤影像分析的准确性和药物选择的精准性，有望为肿瘤治疗提供更个性化的方案。
1.基于人工智能的肿瘤影像分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述去干扰模型通过以下方式获取，包括：
3.根据权利要求2所述的方法，其特征在于，所述基础去干扰模型包括特征扩展单元、干扰消除单元以及干扰推断单元；所述特征扩展单元包括归一化组件和特征扩展组件；所述干扰消除单元包括第一特征卷积单元、第一特征压缩单元和第一逆归一化组件；所述第一特征卷积单元包括多个高级特征检测器；所述干扰推断单元包括第二特征卷积单元、第二特征压缩单元和第二逆归一化组件；
4.根据权利要求2所述的方法，其特征在于，所述根据所述推断局部干扰部分信息确定所述带干扰样本肿瘤影像中的无干扰部分，包括：
5.根据权利要求2所述的方法，其特征在于，所述根据所述干扰移除误差和所述局部干扰部分推断误差，对所述基础去干扰模型进行优化，获得用于对目标肿瘤影像执行干扰消除操作的去干扰模型，包括：
6.根据权利要求2所述的方法，其特征在于，所述获取无干扰样本肿瘤影像、所述无干扰样本肿瘤影像对应的带干扰样本肿瘤影像和所述带干扰样本肿瘤影像的干扰局部影像信息，包括：
7.根据权利要求1所述的方法，其特征在于，所述目标药物匹配模型通过以下方式获取，包括：
8.根据权利要求7所述的方法，其特征在于，所述获取的样本肿瘤药物关联数据还包括：标准预测置信度；所述标准预测置信度为预设的所述样本肿瘤类别匹配所述样本干预药物的预测置信度；
9.根据权利要求7所述的方法，其特征在于，所述获得样本肿瘤药物关联数据集之后，所述至少根据所述药物适配特征集，确定所述样本肿瘤类别匹配所述样本干预药物的第一预测置信度之前，所述方法还包括：
10.一种服务器系统，其特征在于，包括服务器，所述服务器用于执行权利要求1-9中任意一项所述的方法。
